واسنجی و ارزیابی مدل‌های مختلف تجربی تخمین تابش خورشیدی روزانه در ایستگاه سینوپتیک یزد

سلطانی گردفرامرزی, سمیه

doi:10.22034/emj.2026.2087199.1159

واسنجی و ارزیابی مدل‌های مختلف تجربی تخمین تابش خورشیدی روزانه در ایستگاه سینوپتیک یزد

مقالات آماده انتشار

نوع مقاله : مقاله پژوهشی

نویسنده

سمیه سلطانی گردفرامرزی

دانشیار، گروه علوم و مهندسی آب، دانشکده کشاورزی و منابع طبیعی، دانشگاه اردکان، اردکان، ایران.

10.22034/emj.2026.2087199.1159

چکیده

تابش خورشیدی به‌عنوان یکی از متغیرهای مهم در مدل‌های بیلان انرژی، تبخیر- تعرق و شبیه‌سازی رشد گیاهان است. در این تحقیق عملکرد 41 مدل تجربی (10، 7 و 24 مدل به ترتیب بر اساس داده‌های تابش خورشیدی، دما و سایر داده‌های هواشناسی) در برآورد تابش خورشیدی روزانه در ایستگاه سینوپتیک یزد در حد فاصل سال‌های 2006 تا 2023 مورد بررسی قرار گرفت و ضرائب ثابت معادلات با استفاده از تحلیل رگرسیون و در نرم افزار SPSS محاسبه گردید. از آمـار سـال‌هـای 2006 تا 2020 برای واسنجی و از آمار سال‌های 2021 تا 2023 برای ارزیابی مدل‌ها استفاده شد و معیارهای ارزیابی پرکاربرد مانند ریشه میانگین مربعات خطا (RMSE)، قدر مطلق میانگین خطا (MAE) و ضریب تبیین (R²) به‌کار رفت. نتایج نشان داد که مدل‌های تجربی که بر اساس داده‌های هواشناسی دمای میانگین، تابش فرازمینی، ساعات آفتابی و حداکثر ساعات آفتابی، تابش خورشیدی را تخمین می‌زند، نتایج بهتری نسبت به سایر مدل‌ها نشان می‌دهند؛ به‌طوری که مدل شماره 34 (مدل Togrul and Onat, 1999) با ضریب تبیین برابر با 0/75، میانگین مربعات خطای 1/892 و قدر مطلق میانگین خطای برابر با 1/263 بهترین نتیجه را نسبت به سایر مدل‌های تجربی کسب کرد و مدل‌هایی که تابش خورشیدی را بر اساس تنها پارامتر دما پیش‌بینی می‌کنند، نسبت به سایر مدل‌ها نتیجه ارزیابی پایین‌تری نشان دادند. به‌طور کلی می‌توان نتیجه گرفت که مدل‌های ترکیبی (چندمتغیره) از دیدگاه هواشناسی، هیدرولوژی و فیزیک جو عملکرد بهتری در برآورد تابش خورشیدی دارند، زیرا تابش خورشیدی در سطح زمین حاصل برهم‌کنش هم‌زمان چندین فرآیند جوی است و یک متغیر به‌تنهایی نمی‌تواند تمام این فرآیندها را توصیف کند. از سوی دیگر هرچند روش‌های ترکیبی و یادگیری ماشین اغلب از نظر دقت از مدل‌های تجربی بهتر عمل می‌کنند، اما فرمول‌های تجربی همچنان به دلیل سادگی خود، در بسیاری از موارد به عملکرد رضایت‌بخش دست می‌یابند.

کلیدواژه‌ها

برآورد تابش خورشیدی

روش‌های رگرسیونی

پارامترهای هواشناسی موثر

کارایی مدل‌های پیش‌بینی

موضوعات

اکوهیدرولوژی

عنوان مقاله English

Calibration and Evaluation of Various Empirical Models for Estimating Daily Solar Radiation in Yazd Synoptic Station

نویسنده English

Somayeh Soltani-Gerdefaramarzi

Associate Professor, Department of water sciences and engineering, Ardakan university, Ardakan, Iran.

چکیده English

Solar radiation is an important variablesin models of energy balance, evapotranspiration, and plant growth simulation. In this research, evaluated the performance of 41 empirical models (10, 7, and 24 models based on solar radiation data, temperature, and other meteorological data, respectively) for estimating daily solar radiation at the Yazd synoptic station from 2006 to 2023was investigated and fixed coefficients of equations were calculated using regression analysis in SPSS software. Data from 2006 to 2020 were used for calibration, and data from 2021 to 2023 were used for model validation. Common evaluation criteria such as Root Mean Square Error (RMSE), Mean Absolute Error (MAE), and the coefficient of determination (R²) were used. The results showed that an empirical model that estimates solar radiation based on meteorological data of average temperature, extraterrestrial radiation, sunshine hours, and maximum sunshine hours showed better results than other models; So that Model No. 34 (Togrul and Onat, 1999), with a coefficient of determination of 0.75, a root mean square error of 1.892, and a mean absolute error of 1.263, achieved the best performance compared to the other empirical models, and models that predict solar radiation based on only the temperature parameter achieved a lower evaluation result than other models. Overall, it can be concluded that multivariable models (hybrid) provide superior performance in estimating solar radiation from meteorological, hydrological, and atmospheric physics viewpoint, because solar radiation reaching the Earth's surface is governed by the simultaneous interaction of multiple atmospheric processes, and a single variable cannot adequately describe all of these processes. On the other hand, although hybrid and machine learning methods often outperform empirical models in terms of accuracy, empirical formulas still achieve satisfactory performance in many cases due to their simplicity.

کلیدواژه‌ها English

Solar radiation estimation

regression methods

Effective meteorological parameters

predictive model performance

آقاشریعتمداری، ز.، خلیلی، م.، ایران‌نژاد، پ.، و لیاقت، ع. (1390). واسنجی و تغییرات سالانه ضرایب رابطه انگستروم- پرسکات (a) و (b) و در مقیاس‌های زمانی مختلف (مطالعه موردی: ایستگاه تهران‌شمال اقدسیه). آب و خاک، (4)25، 911-905.

جهان‌تیغ، ه.، و پیری، ج. (1402). تخمین میزان تابش خورشیدی در اقلیم‌های مختلف ایران با استفاده از روش‌های هیبریدی یادگیری ماشین. علوم کاربردی و محاسباتی در مکانیک، (2)35، 54-37.

زند سلیمی، س.، عبدی، چ.، و زارع ابیانه، ح. (1403). تخمین مقادیر تابش خورشیدی با استفاده از معادله آنگستروم -پرسکات و الگوریتم ماشین بردار پشتیبان (مطالعه موردی شهر سنندج). هواشناسی کشاورزی، (2)12، 41-26.

سلطانی گردفرامرزی، س. (1402). پیش‌بینی تابش خورشیـدی در ایستگاه یـزد با به‌کارگیری مدل رگرسیونی مبتنی بر مؤلفه‌های اصلی (PCR). هواشنـاسی کشاورزی، (1)11، 6-16.

سلطانی گردفرامرزی، س.، و مومنی، ه. (1402). کاربست الگوریتم‌های یادگیری ماشین برای تخمین تابش خورشیدی (مورد مطالعه: اقلیم خشک و نیمه‌خشک). ژئوفیزیک ایران، (4)17، 25-39.

سلطانی گردفرامرزی، س.، و عسکری‌زاده، م. (1403). کاربرد تئوری آنتروپی و تحلیل مولفه اصلی جهت تعیین متغیرهای ورودی تخمین تابش خورشیدی با الگوریتم‌های یادگیری ماشین. پژوهش‌های جغرافیای طبیعی، (4)56، 87-73.

سیدیان، م.، فراستی، م.، روحانی، ح.، و حشمت‌پور، ع. (1396). تخمین تابش خورشیدی با استفاده از پارامترهای هواشناسی. تحقیقات منابع آب ایران، (1)13، 100-88.

فولادمند، ح.، و کریمی، ف. (1396). واسنجی و ارزیابی مدل‌های مختلف تخمین تابش خورشیدی روزانه در مقیاس‌های زمانی فصلی و سالانه در منطقه شیراز. آب و خاک، (1)31، 321-330.

Abdalla, Y.A. (1994). New correlations of global solar radiation with meteorological parameters for Bahrain. International Journal of Solar Energy, 16(2), 111-120.

Aleksandar, J., and Branislava, L. (2014). Analysis of statistical methods for estimating solar radiation. Geographica Pannonica, 18(1), 1-5.

Ali, M.A., Elsayed, A., Elkabani, I., Youssef, M.E., and Hassan, G.E. (2025). Evaluation and performance comparison of different models for global solar radiation forecasting: a case study on five cities. Environment, Development and Sustainability, 27(5), 10159-10201.

Almorox, J.Y., and Hontoria, C.J.E.C. (2004). Global solar radiation estimation using sunshine duration in Spain. Energy Conversion and Management, 45(9-10), 1529-1535.

Ampratwum, D.B., and Dorvlo, A.S. (1999). Estimation of solar radiation from the number of sunshine hours. Applied Energy, 63(3), 161-167.

Angstrom, A. (1924). Solar and terrestrial radiation, Report to the international commission for solar research on actinometric investigations of solar and atmospheric radiation. Quarterly Journal of the Royal Meteorological Society, 50(210), 121-126.

Annandale, J.G., Jovanic, N.Z., Benade, N., and Allen, R.G. (2002). Software for missing data error analysis of PenmaneMonteith reference evapotranspiration. Irrigation Science, 21(2),57-67.

Attya, M., Abo-Seida, O.M., Abdulkader, H.M., and Mohammed, A.M. (2025). Advanced solar radiation prediction using combined satellite imagery and tabular data processing. Scientific Reports, 15(1), 14035.

Bahel, V., Bakhsh, H., and Srinivasan, R. (1987). A correlation for estimation of global solar radiation. Energy, 12(2), 131-135.

Bakirci, K. (2009). Correlations for estimation of daily global solar radiation with hours of bright sunshine in Turkey. Energy, 34(4), 485-501.

Banihashemi Dehkordi, S.N., Bakhtiari, B., Qaderi, K., and Ahmadi, M.M. (2022). Calibration and validation of the Angstrom–Prescott model in solar radiation estimation using optimization algorithms. Scientific Reports, 12(1), 4855.

Chen, R., Ersi, K., Yang, J., Lu, S., and Zhao, W. (2004). Validation of five global radiation models with measured daily data in China. Energy Conversion and Management, 45(11-12), 1759-1769.

Duffie, J.A., Beckman, W.A. and Blair, N. (2020). Solar Engineering of Thermal Processes, Photovoltaics and Wind. New Jersy: Jhon Wiley & Sins, 928p.

Garg, H.P., and Garg, S.N. (1983). Prediction of global solar radiation from bright sunshine hours and other meteorological data. Energy Conversion and Management, 23(2), 113-118.

Gopinathan, K.K. (1988). A simple method for predicting global solar radiation on a horizontal surface. Solar & Wind Technology, 5(5), 581-583.

Gürel, A.E., Ağbulut, Ü., Bakır, H., Ergün, A., and Yıldız, G. (2023). A state of art review on estimation of solar radiation with various models. Heliyon, 9(2), e13167.

Hargreaves, G.H., and Samani, Z.A. (1982). Estimating potential evapotranspiration. Journal of the Irrigation and Drainage Division, 108(3), 225-230.

Hiben, Y.G., Kahsay, M.B., and Lauwaert, J. (2026). Comparative study of solar radiation estimation models based on sunshine duration and irradiance measurements in the Tigray Region, Ethiopia. Energy Conversion and Management: X, 30,101607.

Hunt, L.A., Kuchar, L., and Swanton, C.J. (1998). Estimation of solar radiation for use in crop modelling. Agricultural and Forest Meteorology, 91(3-4), 293-300.

Jiang, Y. (2009). Estimation of monthly mean daily diffuse radiation in China. Applied Energy, 86(9), 1458-1464.

Karaca, C. (2023). Estimation of daily global solar radiation based on different whitening applications using temperature in Mediterranean type greenhouses. Italian Journal of Agrometeorology, 1(1), 79-93.

Katiyar, A.K., and Pandey, C.K. (2013). A review of solar radiation models- Part I. Journal of Renewable Energy, 2013(1), 168048.

Kilic, A., Ozturk, A. (1983). Solar Energy. Kipas Yayincilik, Istanbul (in Turkish).

Lewis, G. (1983). Estimates of irradiance over Zimbabwe. Solar Energy, 31(6), 609-612.

Marzo, A., Trigo-Gonzalez, M., Alonso-Montesinos, J., Martínez-Durbán, M., López, G., Ferrada, P., Fuentealba, E., Cortés, M., and Batlles, F.J. (2017). Daily global solar radiation estimation in desert areas using daily extreme temperatures and extraterrestrial radiation. Renewable Energy, 113, 303-311.

Mohammadi, B., and Moazenzadeh, R. (2021). Performance analysis of daily global solar radiation models in Peru by regression analysis. Atmosphere, 12(3), 389.

Mubiru, J., Banda, E.J.K.B., D’Ujanga, F., and Senyonga, T. (2007). Assessing the performance of global solar radiation empirical formulations in Kampala, Uganda. Theoretical and Applied Climatology, 87(1), 179-184.

Naserpour, S., Zolfaghari, H., and Firouzabadi, P.Z. (2020). Calibration and evaluation of sunshine-based empirical models for estimating daily solar radiation in Iran. Sustainable Energy Technologies and Assessments, 42(2213-1388), 1-13.

Newland, F.J. (1989). A study of solar radiation models for the coastal region of South China. Solar Energy, 43(4), 227-235.

Ododo, J.C., Sulaiman, A.T., Aidan, J., Yuguda, M.M., and Ogbu, F.A. (1995). The importance of maximum air temperature in the parameterisation of solar radiation in Nigeria. Renewable Energy, 6(7), 751-763.

Ögelman, H., Ecevit, A., and Tasdemiroǧlu, E. (1984). A new method for estimating solar radiation from bright sunshine data. Solar Energy, 33(6), 619-625.

Prescott, J.A. (1940). Evaporation from a water surface in relation to solar radiation. Transactions of the Royal Society of South Australia, 46, 114-118.

Raziei, T., and Pereira, L.S. (2013). Estimation of ETo with Hargreaves–Samani and FAO-PM temperature methods for a wide range of climates in Iran. Agricultural Water Management, 121, 1-18.

Richardson, C.W. (1985). Weather simulation for crop management models. Transactions of the ASAE, 28(5), 1602-1606.

Rietveld, M.R. (1978). A new method for estimating the regression coefficients in the formula relating solar radiation to sunshine. Agricultural Meteorology, 19(2-3), 243-252.

Swartman, R.K., and Ogunlade, O. (1967). Solar radiation estimates from common parameters. Solar Energy, 11(3-4), 170-172.

Tabari, H., Hosseinzadehtalaei, P., Willems, P., and Martinez, C. (2016). Validation and calibration of solar radiation equations for estimating daily reference evapotranspiration at cool semi-arid and arid locations. Hydrological Sciences Journal, 61(3), 610-619.

Toğrul, I.T., and Onat, E. (1999). A study for estimating solar radiation in Elaziğ using geographical and meteorological data. Energy Conversion and Management, 40(14), 1577-1584.

Valiantzas, J.D. (2018). Modification of the Hargreaves–Samani model for estimating solar radiation from temperature and humidity data. Journal of Irrigation and Drainage Engineering, 144(1), 06017014.

Yadav, A.K., Kumar, R., Wang, M., Fekete, G., and Singh, T. (2025). Comparative analysis of daily global solar radiation prediction using deep learning models inputted with stochastic variables. Scientific Reports, 15(1), 10786.